Abstract A023: Spatially resolved drug response predictions reveal fibroblast-associated resistances in <i>in situ</i> lung cancer samples
Notice bibliographique
Résumé
Abstract The tumor microenvironment (TME) plays a pivotal role in shaping therapeutic outcomes in lung cancer, with cancer-associated fibroblasts (CAFs) emerging as key mediators of drug resistance. In situ sequencing enables spatial resolution of tumor architecture, offering insight into heterogeneity and the influence of CAFs on tumor cell biology. However, directly translating these microenvironmental effects on tumor cell behavior into drug response predictions remains a major challenge. In this work, we leveraged spatial transcriptomics and in situ single-cell RNA sequencing to predict spatially resolved drug responses in non-small cell lung cancer (NSCLC) patient samples and investigated the impact of fibroblast density on therapeutic efficacy. We adapted our recently published scIDUC modeling approach—which integrates bulk RNA-seq from cancer cell lines with single-cell RNA-seq data to predict drug responses—for use with in situ data from eight NSCLC patients. Our spatial analysis revealed that tumor cells in high fibroblast-density regions exhibited distinct predicted drug sensitivities compared to those in low-fibroblast contexts. Notably, lapatinib—a dual EGFR/HER2 inhibitor—was consistently predicted to be less effective in tumor cells residing within fibroblast-rich niches. These predictions were validated experimentally using a co-culture model of CALU-3 lung cancer cells and IMR-90 fibroblasts. CALU-3 cells grown with fibroblasts, either in direct contact or separated by a transwell, showed significantly increased resistance to lapatinib compared to monoculture conditions, confirming our computational findings. Our study highlights the role of CAF-rich microenvironments in therapeutic response and proposes a CAF-informed framework for refining therapeutic strategies in NSCLC. By integrating spatial transcriptomics with predictive modeling, we provide a pathway to directly link microenvironmental context with functional drug response in tumors. Citation Format: Robert F. Gruener, Lilin Wang, Adam Lee, Weijie Zhang, R. Stephanie Huang. Spatially resolved drug response predictions reveal fibroblast-associated resistances in in situ lung cancer samples [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Artificial Intelligence and Machine Learning; 2025 Jul 10-12; Montreal, QC, Canada. Philadelphia (PA): AACR; Clin Cancer Res 2025;31(13_Suppl):Abstract nr A023.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».